Perfektion durch Pixel Wie Computer Vision die Qualitätskontrolle optimiert

Anbieter zum Thema

Deutsche Telekom MMS GmbH

Linde Material Handling GmbH

FAULHABER Antriebssysteme

EVO Informationssysteme GmbH

Die KI-gestützte Bildverarbeitung ist längst dabei, die Qualitätskontrolle in der Fertigungsindustrie zu revolutionieren. Doch welche Use Cases sind in der Produktion erfolgversprechend? Und wie halten Unternehmen die Waage zwischen Chancen und Risiken?

KI ist schon heute ein wichtiger Treiber für Innovation und Effizienz in der Produktion. Sie erleichtert die vorausschauende Wartung von Produktionsanlagen, unterstützt das Ersatzteilmanagement und kann sogar Produktionsengpässe frühzeitig identifizieren. Ein neuer Entwicklungsschub geht derzeit von Computer Vision (kurz: CV) aus. Sie ist ein Teilgebiet der KI und lässt sich mit „maschinellem Sehen“ beziehungsweise „Sehen lernen“ ins Deutsche übertragen. Eine treffende Übersetzung, denn mittels Machine Learning sind Kameras, Edge-Devices und Cloud-Lösungen in der Lage, Bilder und Videos zu erfassen, zu analysieren und zu interpretieren. Dieses maschinelle Sehen ist für viele Use Cases einsetzbar:

• Objekterkennung, inklusive Tracking und Quantifizierung

• Bildmanipulation (zum Beispiel die Anonymisierung von Personen, die durch das Bild laufen)

• Klassifizierung von Objekten (Suche ähnlicher Bilder und Muster)

• Zeichenerkennung, etwa von Barcodes

• Videointerpretation, die beispielsweise in der Prozessüberwachung Anomalien aufzeigt

Ein Praxisbeispiel aus der Fertigungshalle

Konkrete Anwendungsfälle für die Produktion sind keine Zukunftsszenarien mehr, sondern inzwischen gelebte Praxis. Insbesondere für die Qualitätskontrolle und die Prozessüberwachung ist CV eine effiziente Maßnahme zur Teilautomatisierung, die gleichzeitig für eine höhere Produktqualität sorgt. Ein Beispiel aus der Fertigungsindustrie liefert bereits Optiplan. Das Unternehmen stellt faserverstärkte Kunststoffbahnen und -platten her. Die Fertigung findet dabei in mehreren Verarbeitungsschritten statt, die Qualitätsprüfung übernahmen in der Vergangenheit speziell ausgebildete Mitarbeiter. Dabei prüften sie das Material auf Mängel wie Blasen, Verdickungen und Einschlüsse und markierten diese händisch. Das band viele Ressourcen in dem mittelständischen Unternehmen, weshalb ein KI-gestütztes Verfahren Abhilfe schaffen sollte. In einer Machbarkeitsstudie prüfte die Telekom MMS im Auftrag von Optiplan, ob eine KI-gestützte optische Qualitätskontrolle dafür geeignet ist. Die Anforderung an die KI bestand darin, Fehler auf der Kunststofffolie bereits während der Produktion zuverlässig und dauerhaft zu erkennen.